onde estamos?

Uma exibição gráfica deve (1/2)

Mostrar os dados

Induzir o observador a pensar em sua substância, não em metodologia ou tecnologia de produção

Evitar distorcer o que os dados dizem

Apresentar muitos números em pequenos espaços

Tornar grandes conjuntos de dados coerentes

Uma exibição gráfica deve (2/2)

Encorajar o observador a comparar diferentes partes dos dados

Revelar diferentes níveis de detalhamento dos dados

Servir a um propósito claro e razoável: descrição, exploração, tabulação ou decoração

Estar integrada com as descrições estatísticas e verbais do conjunto de dados

4 princípios (Edward Tufte)

Miniaturas Múltiplas

Menor diferença efetiva

Causalidade (Respondendo a pergunta: “Comparado com o quê?”)

Contexto

O que você quer mostrar?

Andrew Abela Chart chooser

Animado

Princípios

• O que você quer mostrar?

• Elementos que podem destacar ou confundir o que você quer mostrar.

• vamos tentar alternar “teoria” com live code

• Ah, mas eu posso usar base R? Poder, pode…

Com base R

plot(mtcars$wt, mtcars$mpg)

Com ggplot

mtcars %>% mutate(vs = factor(vs)) %>%
  ggplot(aes(x = wt, y = mpg,color=vs)) +
  geom_point() +
  theme_minimal()

Recursos

• R Graphics Cookbook

• R Graph Gallery

• STHDA

• Fundamentals of Data Visualization

• r-statistics

• Extensões

Elementos do ggplot

• Dados (data =)

• Geometrias (geom_)

• Estéticas (aes())

• Escalas (estética) (scale_)

• Escalas (eixos) (scale_x)

• Tema

• Facet

Dados data =

• Dado empilhado?

• Cada coluna será uma entrada!

Geometrias geom_

• geom_tipo_de_geometria

• Recursos +

• cheat sheet

• manual ggplot

geometrias

https://ggplot2.tidyverse.org/reference/index.html#section-layers

Estéticas aes()

• x (xmax e xmin)

• y(ymax e ymin)

• color

• fill

• shape

• group

• size

Escalas (estética) scale_

• scale_color_xx

• scale_fill_xx

• scale_shape_xx

Escalas (eixos) scale_x

• Contínua scale_x_continuous

• Discreta scale_x_discrete

• Tempo scale_yearmon

• Série de tempo zooe lubridate –> scale_yearmon

Tema

• Customização total da visualização

• Eixos

• Texto element_text

• linhas de grade

Facet

• facet_grid

• facet_wrap

Adicionais

Gráficos com interatividade:

• ggiraph

• plotly (ggplotly)

Combinação de gráficos

• patchwork

• cowplot

Exercício 1

Lembram as bases de bancadas e coligações que usamos para fazer o join?

Agora vamos criar um gráfico de barras com:

• o tamanho das bancadas como tamanho das barras e

• colorindo de acordo com o presidente que apoiam

# Criando data.frame com join
data_colig <- read_rds("dados/bancadas.rds") %>%
  left_join(read_excel("dados/coligacoes.xlsx"))

Resolução

(g.colig <-
   data_colig %>%
  ggplot() +
  geom_bar(aes(x=size,y=party,fill=president),stat = "identity")
 )

Adicionando camadas

Live coding brincando com camadas no objeto g.colig

Exercício 2

• Carregue os dados de exemplo do pacote survey data(api), use o data.frame apisrs

• Crie o objeto tbl_svy com o nome amostra_expandida expandindo a amostra aleatória simples usando apenas a variável (coluna) “pw”, contendo o peso amostral. Dica: execute as_survey(weight=pw).

• Usando a variável stype crie uma nova variável indicando se a escola é de nível fundamental (categorias E e M de stype) ou de nível médio (categoria H de stype). Dica: use mutatee case_when.

• Faça um gráfico de barras comparando a variação média das notas de 1999 (api99) e 2000 (api00) por nível e utilize as estimativas intervalares. Dica: olhe o código da aula 07, utilize geom_errorbar para a estimativa intervalar.

Resolução

data(api)

amostra_expandida <- apisrs %>% 
  as_survey(weight = pw) %>%
  mutate(nivel=case_when(
    stype=="E"~"Fundamental",
    stype=="M"~"Fundamental",
    stype=="H"~"Médio"
  ))

Live coding

Capítulo livro: Identity Versus Fear of Death: Political Polarization Under the COVID-19 Pandemic in Brazil

Paper APSA 2022: Fried, broiled, smoked: pork is all everybody loves: The allocation of pork to where it is needed?

O que é?

• Comunicar com os tomadores de decisão,

  – que querem se concentrar nas conclusões, não no código por trás da análise.

• Colaborar com outros cientistas de dados,

  – interessados em suas conclusões e como você as alcançou (ou seja, o código).

• um caderno de laboratório moderno,

  – onde você pode anotar não apenas o que fez, mas também o que pretende.

O R Markdown integra vários pacotes R e ferramentas externas. então, use o cheatsheets:

R Markdown Cheat Sheet

R Markdown Reference Guide

Veja

Lógica, instalação e recursos adicionais

• Pandoc e knitr

• LaTeX

O básico

Cabeçalho

– opções e possibilidades

Escrita

Chunks

– opções – nomes

Formatos de saída

Saídas

Documentos estáticos

Documentos Interativos

Dashboards

Apresentações

Livros

Sites

Modelos

Site do RMarkdown

IMPORTANTE!

Galeria para replicação

Documentos

• documentos HTML para publicar na web

• documentos PDF para impressão. Example Code

• documents Microsoft Word para fluxos de trabalho no Office

• Documentos de estilo Tufte

Documentos Interativos

• Combine R Markdown with htmlwidgets or the shiny package to make interactive documents.

• Add interactive graphics with htmlwidgets, such as the leaflet map widget.

• Embed htmlwidgets such as dygraphs and datatables directly into your reports.

• Shiny components and htmlwidgets will work in any HTML based output, such as a file, slide show or dashboard.

Dashboards

• Usar flexdashboard para criar dashboards com gauges e value boxes.

• Adicionar gráficos interativos a um dashboard com htmlwidgets.

• Organizar dashboards em um storyboard.

Apresentações

• Criar slides pdf slides com Beamer.

• Create slides HTMLcom Slidy.

• Create slides HTMLcom ioslides.

• Create slides HTMLcom reveal.js.

E mais

Livros - O próprio Cookbook

Sites

Modelos

Paper em pdf

RAP - Usando bibliografia

PDAD

Relatório em html

Compras públicas

ANIPES

Slides em html

Usando CSS

Apresentação COVID

Apresentação COVID Github

Reprodutibilidade

• Boas práticas

• Projetos

• Git/github

Novos caminhos

Quarto